该研究于 2026 年 8 月 8 日发表于《西南州立大学学报·信息管理·计算机科学·计算机工程·医学设备工程》。研究人员开发的脑机接口硬件软件一体化系统能够在同步和异步两种模式下运行，用于复杂人机系统的各种控制回路中。该系统的硬件包括 EEG 信号采集板以及配有传感电极的神经头带。其中，Cyton EEG 信号采集板是该系统的核心组件，这是一款八通道设备，与 OpenBCI 平台兼容，专为高精度记录脑生物电位以及心脏和肌肉活动信号而设计。
系统的软件采用 Python 开发，可以记录 EEG 信号、处理 EEG 信号（在实现同步和异步接口时）、分类 EEG 数据，以及向机器人设备生成控制信号。研究人员采用完全连接的人工神经网络（多层感知机）进行 EEG 数据分类。在同步模式下，P300 波的识别准确率约为 60%；在异步模式下，运动想象（左右手想象运动）的二元分类准确率达到 65%。该系统无需操作员进行前期训练阶段即可工作。研究人员表示，该系统为将脑机接口引入需要高可靠性人机交互的关键技术过程开辟了前景，未来的开发方向包括提高分类准确率、扩展可识别命令数量以及优化硬件以适应移动应用。